數據挖掘在高校后勤CRM中的應用研究

方豪彪

（浙江師范大學后勤集團，浙江金華321004）

數據挖掘在高校后勤CRM中的應用研究

方豪彪

（浙江師范大學后勤集團，浙江金華321004）

新型高校后勤保障體系的實質是實行市場化，其主體是由行政事業單位剝離轉變的經濟實體，傳統高校后勤“以我為中心”的服務理念無法滿足師生現實需求。倡導“以師生為中心”的客戶關系管理（CRM）理念的高校后勤部門，可以應用關聯、分類、聚類和序列模式分析的數據挖掘技術，在師生群體分析、交叉銷售、保持消費需求、師生滿意度與貢獻度分析等方面實施數據挖掘。CRM中數據挖掘功能的實現將有助于后勤部門增強市場競爭意識，轉變服務觀念，鞏固服務師生的核心價值觀。

以師生為中心；數據挖掘；客戶關系管理

市場提供服務、學校自主選擇、政府宏觀調控、行業自律管理、職能部門監管的新型高校后勤保障體系建立的實質是調整改組高校后勤領域中的政府職能、高校職能和市場功能，合理利用和配置后勤資源，開放后勤市場，引入市場競爭機制，提高社會效益和經濟效益。高校后勤實行自主經營、自負盈虧，是一個獨立經營服務的市場主體，是由行政管理型的事業單位向經營服務型轉變的經濟實體。一方面傳統的高校后勤缺乏市場觀念、無科學的經營策略導致市場競爭力低下，另一方面師生 （客戶）對后勤服務要求越來越高。如何保持現有師生消費、挖掘潛在的師生需求、盡量減少師生消費的流失成為高校后勤競爭的焦點。為此，高校后勤只有實現經營理念從“以我為中心”向“以師生為中心”的轉變，利用數據挖掘技術建立最優化的客戶關系，才能達到效益最大化的目標。

一、高校后勤客戶關系管理

客戶關系管理（Customer Relationship Management，簡稱CRM）是選擇和管理有價值客戶及其關系的一種商業策略，CRM要求以客戶為中心的商業哲學和企業文化來支持有效的市場營銷、經營服務流程，這種管理思想是以“一對一營銷”理論為基礎，旨在改善企業與客戶之間的關系，通常實施于市場營銷、服務、技術支持等與客戶有關的領域。[1]CRM是通過對客戶進行系統的研究、交流溝通，改進對客戶的服務水平并影響客戶行為，吸引更多的客戶，從而增加營業收入，并通過強化管理降低企業經營成本。

高校后勤客戶關系管理是將現代管理理論與高校后勤信息化建設相結合，樹立以高等教育服務為中心的可持續發展策略，并在此基礎上對學校的師生信息、消費、需求等過程的管理，以飲食、商貿、公寓等業務部門的信息為重點，通過對師生的信息進行系統研究，進一步優化高校后勤服務體系和業務流程，提高師生的滿意度和忠實度，提高后勤工作效率和經營服務水平。高校后勤客戶關系管理采用以師生為中心、以對師生的管理和服務過程為主導、以師生直接服務內容為主的管理模式，其實質是在合適的時間、以合適的途徑、為合適的師生提供合適的服務。

二、CRM中數據挖掘方法

數據挖掘（Data Mining，簡稱DM）又稱數據庫中的知識發現，是指從大型數據庫或數據倉庫中提取人們感興趣的知識，這些知識是隱藏的、事先未知的、潛在有用的信息，挖掘的知識表現為概念、規則、規律、模式等形式。數據挖掘的目的在于使用所發現的模式幫助解釋當前的行為或預測未來的結果。[2]CRM中數據挖掘的主要方法有以下四種：[3]

1.關聯分析

關聯分析利用關聯規則進行數據挖掘，其目的是發現隱藏在數據間的關聯或相互關系。在客戶關系管理中，通過對企業客戶數據庫里的大量數據進行挖掘，可以從中發現有趣的關聯關系，如“90%的客戶在一次購買活動中購買A商品的同時購買B商品”，通過數據挖掘，獲得對顧客購買行為極有價值的信息，從而幫助企業及時把握客戶需求。

2.分類分析

分類是為一個事件或對象歸類，既可以用統計方法、機器學習方法、神經網絡方法等構造一個模型分析已有的數據，也可以用它來預測未來的數據。例如，用分類來預測哪些客戶最傾向于對經營服務做出回應，后勤部門還可以根據新生的不同省份地域用分類來判斷用什么樣的飲食口味、住宿條件接待比較好。

3.聚類分析

聚類是分類的逆向方法，根據事物本身潛在的特性研究對象分類。通過聚類把一個數據集合中的個體按照相似性歸成若干類別，使其“物以類聚”，并確定每個記錄所屬類別。它采用的分類規則是按統計學的聚類分析方法決定的。例如，當面對數據庫中“消費額”、“購買頻率”、“收入水平”等多個評價指標，而又沒有恰當的方法按照某個指標去分類時，就可以通過聚類按照數據間的自然聯系把分散的記錄“聚”成幾“堆”，然后再對每堆進行較為深入的分析。

4.序列模式分析

序列模式分析與關聯分析相似，其目的也是為了挖掘數據之間的聯系，但序列模式分析的側重點在于分析數據間的前后序列關系，它能發現數據庫中形如“在某一段時間內，顧客購買A商品，接著購買B商品，而后購買商品C，即序列A－B－C出現的頻度較高”之類的知識。

三、數據挖掘在高校后勤CRM中的應用

高校后勤與師生之間的服務關系是一種持續的不斷發展的關系，隨著物質生活水平的提高，加之師生本身的文化素養較高，消費行為相對前衛，消費層次趨于上升。因此，后勤部門一方面要滿足師生的既有需求，另一方面要通過數據挖掘分析發掘其潛在需求，并創造合理產品和服務以激發和滿足這種需求。通過不斷的相互間接觸和交流，建立良好的客戶關系，師生得到了更好更貼切的服務，后勤部門則因為增加銷售量、擴大服務范圍而取得更好的社會效益和經濟效益。

1.師生群體分析

師生群體分析是把師生根據其性別、收入、交易行為特征等屬性細分為具有不同需求和交易習慣的群體，同一群體中的師生對服務的需求以及消費心理等方面具有相似性，而不同群體間差異較大。師生群體分析有助于后勤部門制定正確的營銷策略、滿足師生消費需求，通過對不同類別師生提供有針對性的產品和服務，提高師生對高校后勤和服務的滿意度，以獲取更大的效益。數據挖掘應用到師生群體細分時，應全面結合高校后勤戰略目標和工作計劃。

2.交叉銷售分析

交叉銷售指向已購買商品的客戶推薦其他產品和服務。在交叉銷售中，數據挖掘可以幫助企業分析出最優營銷組合，根據現有客戶的購買行為和消費習慣建立預測模型，用建立的預測模型對客戶將來的消費行為進行預測，建立營銷組合分析模型，利用建立的分析模型對新的客戶數據進行分析，以決定向客戶提供最佳的交叉銷售方式。通過關聯分析能夠發現客戶傾向于關聯購買哪些商品，通過聚類分析能夠發現對特定產品感興趣的用戶群，序列模式分析能夠預測顧客購買該新產品的可能性。[4]

3.消費保持和流失分析

高校后勤社會化的不斷深入和大學城的建設，市場競爭不斷加劇，師生的消費有不斷流向社會市場的趨勢。高校后勤如何利用數據挖掘技術來分析保持現有師生消費、挖掘潛在的消費需求、防止師生消費的外流是建立客戶關系管理的關鍵。

后勤部門是高校的重要組成部分，要充分利用自身的優勢建立良好的客戶關系，使師生不斷重復購買后勤提供的服務，它是高校后勤生存的關鍵和實現使命的體現。滿足師生的現有需求比獲取分析潛在需求和防止師生消費外流的成本低得多，而且忠誠師生會主動宣傳、推薦新服務產品，有利于后勤部門發現師生的潛在需求。高校后勤CRM在運用數據挖掘技術時可以在原有的師生消費記錄中發現他們潛在的交叉購買需求，建立一個“師生反應”預測模型，再利用這個模型去找出那些對所提供的服務感興趣的師生，以達到防止師生消費流失的目的。此外，還可以利用數據挖掘技術進行已經發生的師生消費流失建模，找出當前師生消費流失的主要原因，積極采取相應措施。

4.師生滿意度分析

高校后勤優質服務是吸引師生消費、保持師生消費、提高師生滿意度的關鍵。師生滿意度是師生對后勤部門提供的服務產品的消費經驗的總體評價，是衡量高校后勤服務質量和經營水平的一種方式。由于高校師生消費觀念不斷更新、層次不斷提高、結構不斷優化，已不僅限于物質需求的滿足、身心的健康、精神的愉悅，還追求消費的個性化。利用數據挖掘技術分析師生對服務產品的滿意度，可以幫助了解師生的個人偏好、需求特征，提供“一對一”的個性化服務，發現經營、服務和管理上的不足，為改善經營策略、提高師生滿意度指明方向。

5.師生貢獻度分析

高校后勤是學校教學科研保障的經濟實體，既有為廣大師生提供服務保障的教育屬性，又有符合高校后勤社會化的市場經濟規律的經濟屬性。后勤部門的效益對于不同師生而言其價值也是不同的。高校后勤CRM中的數據挖掘可以用來分析和預測不同經營服務策略以及師生對后勤貢獻度的變化，幫助后勤部門制定適合的營銷策略。后勤部門可以制定一種計算師生貢獻度的方法，根據這種方法設定一些優化目標，利用數據挖掘工具進行師生分析，發現哪些師生是真正創造效益的，哪些是無利或薄利的，通過交叉銷售、知識營銷等方法將無利或薄利的消費提升為貢獻度較高的消費。后勤部門還可以通過數據挖掘在師生貢獻度分析中的應用，采取一系列措施來改善師生獲利能力，如為貢獻度較高的師生提供多品種、高質量、個性化、高附加值服務產品，改善、發展與不營利但有貢獻的客戶關系，努力改變這些師生的購買行為，對師生獲利能力實施動態控制等。

四、高校后勤CRM中數據挖掘過程

數據挖掘一般要經過問題定義、數據選擇與準備（包括數據收集、建立數據挖掘庫和數據轉換）、建立數據挖掘模型、知識模式評估、模型部署和完善、知識可視化與應用等過程。

1.問題定義

CRM中數據挖掘必須明確一個或多個商業目標，對每個目標要有一個清晰明確的定義，包括應用范圍及其相關領域的有關情況，熟悉背景知識，弄清用戶需求，否則就不能明確定義要解決的問題，就不能為挖掘準備優質的數據，也很難正確分析所得結果。在清晰地定義出業務問題和數據挖掘的目的后，應該確定所要解決問題的類型，再對現有資源如已有的歷史數據進行評估，確定是否能夠通過數據挖掘技術來解決用戶的需求，然后進一步確定數據挖掘的目標和制定數據挖掘的計劃，選擇合適的數據挖掘方法。[5]

2.數據選擇與準備

數據挖掘要以一定的數據為基礎，高校后勤CRM的數據挖掘一方面要做大量的數據收集、整合多個數據源，保證數據的綜合性、易用性、數據的一致性和實效性，另一方面要利用數據挖掘者的分析經驗和恰當的工具從現有數據中衍生出所需要的數據指標。

（1）數據收集

數據收集涉及各個方面的基本信息，以確保數據庫的廣泛性、真實性和有效性，通常包括五個方面：師生基本信息——通過學校人事、教務和學生管理部門獲得師生信息，例如姓名、性別、籍貫、聯系電話、E-mail、住處等數據；師生消費信息——通過后勤的飲食、商貿、公寓等部門獲取的師生各類消費情況、消費能力、行為方式、飲食愛好、口味習慣等數據；師生需求信息——通過后勤服務人員的走訪、座談、學校部門行政指令、問卷調查、師生信息員的報送信息、網站咨詢、電話服務、電子商務平臺和個性化服務等所獲得的信息；師生時間信息——根據學校各相關職能部門的管理信息系統了解教師的教學和學生的學習、各項活動安排等信息，得到師生消費的時間以便后勤相關服務部門提供相應的服務；學生行為信息——通過學生公寓管理信息系統紀實考評功能取得學生在校期間的哪些學生經常組合消費以及個人的生活習慣、行為方式、消費喜好、經濟承受能力等信息。

（2）建立數據挖掘庫

數據收集確定了要挖掘的數據源，由于高校后勤CRM的所有數據是分布在不同的數據庫中的，需要進行數據合并與整合，把來自不同數據源的數據合并到同一個數據庫中，并進行數據再加工，分析數據的質量包括檢查數據的完整性及數據的一致性、填補丟失的域、刪除無效數據。然后根據數據量的大小、數據的復雜程度、使用方式的不同，建立獨立的數據挖掘庫，使得能夠對數據進行統計查詢、多維分析和各種圖表及其可視化。建立數據挖掘庫時，把每個文件和數據庫表的內容進行描述，將一些冗余或無關的數據除去，保證數據的準確性、完整性、一致性，提高數據質量，降低數據維數，形成適合數據挖掘的數據庫。建立數據挖掘庫，還要明確數據庫中字段的含義及其與其他字段的關系。

（3）數據格式轉換

建立數據挖掘模型時，要從大量數據中取出一個與問題相關的樣板數據子集，而不是全部數據。數據格式轉換是建立數據挖掘模型之前的最后一項數據準備工作，是根據建模的要求，對數據表現形式進行變換。

3.建立數據挖掘模型

數據挖掘的目的是建立一個實際工作中的知識模型，建立模型是數據挖掘的核心，是用來確定上述定義問題目標的一種手段，通過使用數據挖掘方法從建立的數據挖掘庫中發現那些后勤CRM中能夠影響預期結果和可理解性等的知識模式。例如，為了建立學生食堂消費行為模型，先確定模型的變量（已有消費記錄，下次消費時間等），建立學生群體劃分和描述模型輪廓，并利用模型預測學生行為特征，確定最有影響力的變量。知識模式挖掘過程是數據挖掘最為關鍵的步驟和技術難點所在，它采用了較多的技術如：關聯規則、分類、聚類等，并根據數據挖掘的目標，選取相應的算法和參數，分析數據得到并形成知識模式。[6]

4.知識模式評估

通過建立數據挖掘模型而得到的知識模式，可能沒有實際意義或是沒有實用價值，也有可能不能反映知識的真實意義，甚至在某些情況下是與事實相反的，因此需要對知識模式進行評估，確定哪些是有效的、有用的模式。模式評估將發現的知識以用戶能了解的方式呈現，根據需要對數據挖掘過程中的某些處理階段進行優化，直到滿足要求。

5.模型部署和完善

建立合適的模型后，就可以在后勤CRM中部署和應用模型。模型部署的關鍵是確定最有影響力的變量，并建立管理信息系統，以便準確地獲得動態的數據來進行實時預測，例如最能影響師生消費行為的變量，或者最能影響師生滿意度的變量等。模型完善包括定期或不定期地進行數據更新，根據需要擴展新的模塊等。

6.知識可視化與應用

數據挖掘的知識和模式的過程對用戶來說通常是不可見的，用戶也無法直接使用這些數據挖掘的結果，因此需要用各種數據庫開發可視化的工具，把它以圖形或圖像的形式顯示出來，使數據挖掘的過程能夠被用戶理解，并集成到業務信息系統的組織結構中去。將通過上述處理后形成的有關師生行為模式等知識分別傳送給后勤營銷管理、飲食服務、商貿管理、學生公寓管理、監控服務等部門，以便更好地進行CRM工作。例如：學生在食堂購買葷菜的同時一般還購買素菜，分析哪些菜肴是學生最有可能一起購買來預測學生的購買行為，調整菜肴擺放位置，減少每個學生的服務時間，提高服務人員的工作效率；學生公寓管理中當知道學生有A、B表現時，采用關聯分析的數據挖掘方法，公寓管理者可以知道學生可能會發生C行為等。最后，后勤部門還需要在CRM實踐中檢驗知識和模式的使用效果，如果效果不好則需要重新修改原有的模型，甚至是定義。

五、結束語

高校后勤客戶關系管理是一個循序漸進的過程，涉及經營理念的轉變，是一種著眼理解和管理后勤現有和潛在師生需求的經營服務策略。數據挖掘的導入高質量地實現了CRM的目標，高校后勤CRM中有效地應用數據挖掘技術，可以為高層決策者提供較為準確的師生群體分析、市場營銷、師生滿意度、師生潛在需求等信息，引導后勤部門增強市場競爭意識，實現“以我為中心”、“以服務為中心”向“以師生為中心”轉移，鞏固服務學校、服務師生為其核心價值觀。通過廣泛搜集師生信息并進行分類和聚類，不斷挖掘師生需求，確定特定師生群體或個體的消費習慣和需求，判斷其潛在的、下一步的需求及行為，高校后勤以此為依據開展針對性強、有特色的個性化服務，從而提高師生的滿意度。將數據挖掘所形成的知識和規則等應用于高校后勤經營服務流程的整合和優化，以師生為中心形成高效運作的經營服務機制，面向師生重構高校后勤新型保障體系，創造高品質、高效率的服務品牌。☉

[1]米天勝.數據倉庫和數據挖掘在客戶關系管理中的應用[J].情報雜志,2005(9).

[2]R ichard,RJ,Geatz,MW.翁敬農譯.數據挖掘教程[M].北京:清華大學出版社,2003.

[3]夏維力,王鑫,王青松.數據挖掘技術在企業客戶關系管理中的應用研究[J].科技管理研究,2007(6).

[4]趙閃.數據挖掘在客戶關系管理中的應用研究[D].廣州:廣東工業大學,2007.

[5]顧桂芳,李文元.數據挖掘在移動通信業客戶關系管理中的應用研究[J].科技管理研究,2007(2).

[6]彭鈿原,吳滿琳.CRM中的數據挖掘模型及方法[J].財經界(下旬刊),2007(10).

（編輯：隗爽）

TP311.13

A

1673-8454（2010）05-0087-04